成果信息

本发明涉及一种基于LSTM 和MLP结合的化工过程故障诊断方法。本发明首先将原始一维数据通过降维，去掉部分冗余数据点。其次将得到的一维数据输入堆叠的LSTM，提取得到具有时间特性的特征信息。然后通过 Flatten层将LSTM的输出数据展开，输入到由全连接层堆叠而成的 MLP 中。最后由最后一层全连接层中的 Softmax分类器进行故障类别的分类。本发明充分利用了 LSTM 与 MLP 网络在时间与空间方面特征提取的优势，在两层LSTM 后使用 MLP 网络去进行整体的特征提取与学习，本发明运用于非线性、高耦合、时变以及多特征点的化工过程数据，诊断效果较好。 )

背景介绍

本发明涉及一种基于LSTM 和MLP结合的化工过程故障诊断方法。)

应用前景

-)